Автоматически открывать файл в правильной кодировке
Я имею дело с некоторыми проблемами в нескольких файлах о кодировке. Мы получаем файлы от другой компании и должны их читать (файлы находятся в формате csv)
Как ни странно, файлы, как представляется, кодируются в UTF-16. Я могу это сделать, но я должен открыть их, используя модуль codecs и указав кодировку, таким образом.
- Дешевый способ поиска большого текстового файла для строки
- Список словарей и пиражей
- Получить элементы из dict, используя несколько ключей
- Загрузка объектов хранилища данных из проекта Python в Go приводит к вложенным structs slices of slices error
- Как я могу конкатенировать строку и число в Python?
ENCODING = 'utf-16' with codecs.open(test_file, encoding=ENCODING) as csv_file: # Autodetect dialect dialect = csv.Sniffer().sniff(descriptor.read(1024)) descriptor.seek(0) input_file = csv.reader(descriptor, dialect=dialect) for line in input_file: do_funny_things()
Но, так же, как я могу получить диалект более агрессивным способом, я думаю, будет здорово иметь возможность автоматически открывать файлы с его надлежащей кодировкой, по крайней мере, все текстовые файлы. Существуют и другие программы, такие как vim, которые достигают этого.
Кто-нибудь знает способ сделать это в python 2.6?
PD: Я надеюсь, что это будет разрешено в Python 3, так как все строки Unicode …
- Удаление элемента из списка
- Считать дубликаты в списке и присвоить сумму в список
- API простого доступа (ключ разработчика) с облачной конечной точкой Google (Python)
- почему мой код работает неправильно, речь идет о '@property'
- Как разбирать файл по строкам, char по char в Python?
4 Solutions collect form web for “Автоматически открывать файл в правильной кодировке”
чарт может вам помочь.
Автокодирование кодировки символов в Python 2 и 3. Такой умный, как ваш браузер. Открытый исходный код.
Это не будет «исправлено» в python 3, так как это не проблема с исправлением. Многие документы действительны в нескольких кодировках, поэтому единственный способ определить правильное кодирование – это знать что-то о документе. К счастью, в большинстве случаев мы знаем что-то о документе, как, например, большинство символов будут группироваться в отдельные блоки юникода. Документ на английском языке в основном содержит символы в первых 128 кодовых точках. Документ на русском языке будет содержать в основном кириллические коды. Большинство документов будут содержать пробелы и новые строки. Эти подсказки могут быть использованы, чтобы помочь вам получить обоснованные догадки о том, какие кодировки используются. Еще лучше, используйте библиотеку, написанную кем-то, кто уже выполнил эту работу. (Как chardet , упомянутый в другом ответе Десинтегра .
csv.reader не может обрабатывать строки Unicode в 2.x. См. Нижнюю часть документации csv и этот вопрос для способов ее устранения.
Если он будет исправлен в Python 3, его также следует исправить, используя
from __future__ import unicode_literals